Der Demo funktioniert immer. Ein Agent liest ein Ticket, entwirft eine Antwort, veranlasst die Rückerstattung und schließt den Kreis — während alle im Raum nicken. Dann geht er in Betrieb, trifft auf die nächsten tausend Fälle und beginnt, Bestellungen zu erstatten, die nie aufgegeben wurden.
Im Demo war nichts gelogen. Was fehlte, war alles, was die nächsten tausend Fälle beherrschbar macht — der Teil, den niemand filmt. Autonome KI-Agenten sind nicht schwer zu starten. Sie sind schwer ehrlich zu halten.
Ein Demo ist kein System
Ein Modell, das ein Tool aufrufen kann, ist eine Fähigkeit. Ein System, das das richtige Tool zur richtigen Zeit gegen den richtigen Zustand aufruft und im Nachhinein erklären kann warum — das ist Infrastruktur. Der Abstand zwischen beidem ist kein besserer Prompt.
Im Demo läuft der Agent einmal, beobachtet, auf einem Happy Path. Im Produktionsbetrieb läuft er zehntausend Mal, unbeobachtet, gegen einen Zustand, der zwischen dem Moment des Lesens und dem Moment des Handelns driftet. Memory ist veraltet oder fehlt. Ein wiederholter Schritt belastet doppelt. Ein Tool-Aufruf, der hätte abgelehnt werden sollen, geht durch, weil niemand an der Tür stand.
Das sind keine Modellfehler. Es sind die Fehler, die eine Runtime absorbieren soll. Sie als Prompt-Probleme zu behandeln ist der Grund, warum Teams ein Quartal damit verbringen, Anweisungen umzuformulieren — und trotzdem die einzige Frage nicht beantworten können, die in einem Incident-Review zählt: Was hat der Agent getan, und auf welcher Grundlage.
Der Loop, den autonome KI-Agenten tatsächlich durchlaufen
Algenta ist eine KI-Agenten-Runtime, die um einen einzigen Loop herum gebaut ist, den jeder Agent durchläuft — ob seine Entwickler ihn benannt haben oder nicht. Den Loop explizit zu machen ist der größte Teil der Arbeit.
- Sense — den aktuellen Weltzustand lesen: Eingaben, abgerufenes Memory, die Live-Werte, von denen die Entscheidung abhängt.
- Plan — die nächste Aktion oder die nächsten wenigen bestimmen, gegeben diesen Zustand und das Ziel.
- Execute — durch geregelte Tools handeln, wobei jeder Aufruf vor dem Zugriff auf etwas Reales gegen die Policy geprüft wird.
- Evaluate — beurteilen, was gegen Erwartungen geschehen ist, und dieses Urteil in das Memory und den nächsten Plan zurückspeisen.
Sense, Plan, Execute, Evaluate. Die Schritte sind offensichtlich; die Disziplin besteht darin, den letzten nicht zu überspringen. Die meisten Agent-Frameworks enden bei Execute — genau deshalb demonstrieren sie gut und altern schlecht. Sie handeln, ohne je bewertet zu werden, sodass sich Fehler still akkumulieren, statt in dem Moment aufgefangen zu werden, in dem sie auftreten.
Um den Loop herum liegen gemeinsame Primitive, die die gesamte Runtime als erstklassig behandelt — nicht als Erweiterungen: Memory, das der Agent liest und schreibt; Tools, durch die er handelt; Policy, die jede Aktion regelt; Traces, die festhalten, was geschehen ist; und Evals, die entscheiden, ob es gut war. Jeder Schritt des Loops berührt jedes Primitiv. Memory speist Sense und wird durch Evaluate aktualisiert. Policy sichert Execute ab. Traces erfassen alle vier, damit Evaluate etwas Ehrliches zu bewerten hat.
Ein Agent, den man nicht bewerten kann, ist nicht autonom. Er ist unbeaufsichtigt.
Warum die unscheinbaren Primitive das Produkt sind
Memory, Policy, Traces, Evals. Nichts davon lässt sich gut fotografieren. Alles davon trennt einen Agenten, der im Raum funktioniert, von einem, der in der Welt funktioniert.
Memory ermöglicht es einem Agenten, auf das zu handeln, was er eine Sekunde zuvor wusste, anstatt die Welt bei jedem Aufruf neu zu entdecken — und eine Runtime muss die Grenze zwischen dauerhaftem Wissen und dem Arbeitsbereich eines einzelnen Laufs ziehen, denn wer beides vermischt, bringt einen Agenten dazu, seinen eigenen Halluzinationen zu vertrauen. Policy ist der Unterschied zwischen einem Tool, das ein Agent aufrufen kann, und einem, das er gerade darf — gegeben, für wen er handelt und was er in dieser Stunde bereits getan hat. Traces verwandeln „der Agent hat etwas Seltsames getan" in eine konkrete Entscheidung, auf einer konkreten Eingabe, mit dem konkreten Kontext, den er hatte — der Unterschied zwischen Debugging und Raten.
Evals sind das Primitiv, das Teams zuletzt entdecken und zuerst brauchen. Ohne sie bedeutet „der Agent funktioniert" nur „noch hat sich niemand lautstark beschwert." Mit ihnen wird jeder Lauf bewertet — gegen Ground Truth, wo sie existiert, gegen Regeln und Rubriken, wo sie es nicht tut — und eine Regression erscheint als eine Zahl, die sich bewegt hat, bei der Änderung, die sie bewegt hat, bevor sie einen Kunden erreicht.
Orchestrierung ist Mittel, nicht Zweck
Agent-Orchestrierung bekommt die meiste Aufmerksamkeit — der Graph der Schritte, die Wiederholungen, die Übergaben zwischen Agenten und Unteragenten. Sie ist wichtig. Aber Orchestrierung ohne Governance ist nur ein schnellerer Weg, das Falsche in großem Maßstab zu tun — und Orchestrierung ohne Evaluation ist ein schnellerer Weg, es unbemerkt zu tun.
Algenta behandelt Orchestrierung als eine Schicht einer KI-Agenten-Runtime-Umgebung, nicht als deren Gesamtheit. Ein Plan kann verzweigen, andere Agenten aufrufen, eine Simulation ausführen, um eine Aktion vor dem Commit zu testen, und auf einen Menschen warten, wenn die Policy es verlangt — und jeder dieser Schritte landet im selben Trace, geregelt durch dieselbe Policy, bewertet durch dieselben Evals. Die Orchestrierung entscheidet, was als nächstes geschieht. Die Runtime entscheidet, ob es erlaubt ist — und ob es richtig war.
Das ist der stille Anspruch hinter einer KI-Agenten-Runtime-Plattform: dass Wahrnehmen, Planen, Handeln und Urteilen nicht für jedes Team, das einen Agenten im Produktionsbetrieb will, von Hand zusammengesetzt werden sollten. Es ist Infrastruktur. Man sollte sie voraussetzen können wie die Dauerhaftigkeit einer Datenbank.
Was sich ändert, wenn der Loop geschlossen ist
Wenn der vollständige Loop läuft — wenn Evaluation kein Nachgedanke ist, sondern der vierte Takt jedes Zyklus — verändert sich der Charakter der Arbeit. Autonome KI-Agenten hören auf, etwas zu sein, das man startet und hofft, und werden zu etwas, das man betreiben kann: beobachten, begrenzen, korrigieren und innerhalb definierter Grenzen vertrauen.
Das ist die Grenze zwischen einem Demo und operativer Intelligenz. Ein Demo bittet um Glauben. Eine Runtime ermöglicht Überprüfung. Die Teams, die autonome KI-Agenten in großem Maßstab betreiben werden, sind jene, die früh entscheiden, dass die unscheinbaren Primitive das Produkt sind — und dass ein Agent, der nicht bewertet werden kann, nicht unbeaufsichtigt handeln darf.